論文の概要: VERSA: Verified Event Data Format for Reliable Soccer Analytics

• arxiv url: http://arxiv.org/abs/2601.21981v1
• Date: Thu, 29 Jan 2026 16:58:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-30 16:22:50.016775
• Title: VERSA: Verified Event Data Format for Reliable Soccer Analytics
• Title（参考訳）: VERSA:信頼性の高いサッカー分析のための検証済みイベントデータフォーマット
• Authors: Geonhee Jo, Mingu Kang, Kangmin Lee, Minho Lee, Pascal Bauer, Sang-Ki Ko,
• Abstract要約: 本研究では,サッカー領域内のイベントストリームデータの整合性を保証するシステム検証フレームワークであるVERSAを提案する。 VERSAはクロスプロジェクタの整合性を著しく向上し、異種ソース間の安定かつ統一されたデータ表現を確実にすることを示す。
• 参考スコア（独自算出の注目度）: 6.824193516259449
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event stream data is a critical resource for fine-grained analysis across various domains, including financial transactions, system operations, and sports. In sports, it is actively used for fine-grained analyses such as quantifying player contributions and identifying tactical patterns. However, the reliability of these models is fundamentally limited by inherent data quality issues that cause logical inconsistencies (e.g., incorrect event ordering or missing events). To this end, this study proposes VERSA (Verified Event Data Format for Reliable Soccer Analytics), a systematic verification framework that ensures the integrity of event stream data within the soccer domain. VERSA is based on a state-transition model that defines valid event sequences, thereby enabling the automatic detection and correction of anomalous patterns within the event stream data. Notably, our examination of event data from the K League 1 (2024 season), provided by Bepro, detected that 18.81% of all recorded events exhibited logical inconsistencies. Addressing such integrity issues, our experiments demonstrate that VERSA significantly enhances cross-provider consistency, ensuring stable and unified data representation across heterogeneous sources. Furthermore, we demonstrate that data refined by VERSA significantly improves the robustness and performance of a downstream task called VAEP, which evaluates player contributions. These results highlight that the verification process is highly effective in increasing the reliability of data-driven analysis.
• Abstract（参考訳）: イベントストリームデータは、金融取引、システムオペレーション、スポーツなど、さまざまな領域にわたるきめ細かい分析のための重要なリソースである。 スポーツでは、プレイヤーのコントリビューションの定量化や戦術パターンの特定など、詳細な分析に積極的に使用される。 しかしながら、これらのモデルの信頼性は、論理的不整合を引き起こす固有のデータ品質の問題(例えば、誤ったイベントの順序付けやイベントの欠落など)によって、基本的に制限されている。 そこで本研究では,サッカー領域内のイベントストリームデータの整合性を保証するための検証フレームワークであるVERSA(Verified Event Data Format for Reliable Soccer Analytics)を提案する。 VERSAは、有効なイベントシーケンスを定義する状態遷移モデルに基づいており、イベントストリームデータ内の異常パターンの自動検出と修正を可能にする。 特に、Beproが提供したKリーグ1(2024年シーズン)のイベントデータを調べたところ、記録されたイベントの18.81%が論理的に矛盾していることがわかった。 このような整合性の問題に対処するため、VERSAはクロスプロジェクタの整合性を大幅に向上し、異種ソース間の安定した統一データ表現を確実にすることを示した。 さらに、VAEPと呼ばれる下流タスクのロバスト性や性能を向上し、プレイヤーのコントリビューションを評価した。 これらの結果から,検証プロセスはデータ駆動分析の信頼性を高める上で極めて有効であることが示唆された。

関連論文リスト

• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• DCFS: Continual Test-Time Adaptation via Dual Consistency of Feature and Sample [22.84826831249534]
  連続的なテスト時間適応は、トレーニング済みのモデルを、ソースデータにアクセスすることなく、ターゲットドメインデータのストリームに継続的に適応することを目的としている。 デュアルパス特徴整合性と信頼性を考慮したサンプル学習を導入した新しいCTTAフレームワークであるDCFSを提案する。
  論文  参考訳（メタデータ） (2025-08-28T07:57:54Z)
• Towards Dynamic Causal Discovery with Rare Events: A Nonparametric Conditional Independence Test [4.67306371596399]
  我々は,稀だが連続的な事象が発生した時変システムから収集したデータに対して,新しい統計的独立性テストを導入する。 提案手法の整合性に対する非漸近的サンプルバウンダリを提供し,その性能をシミュレーションおよび実世界のデータセットで検証する。
  論文  参考訳（メタデータ） (2022-11-29T21:15:51Z)
• Data-SUITE: Data-centric identification of in-distribution incongruous examples [81.21462458089142]
  Data-SUITEは、ID(In-distriion)データの不連続領域を特定するためのデータ中心のフレームワークである。 我々は,Data-SUITEの性能保証とカバレッジ保証を実証的に検証する。
  論文  参考訳（メタデータ） (2022-02-17T18:58:31Z)
• Event Data Association via Robust Model Fitting for Event-based Object Tracking [4.36706221903271]
  本稿では,イベントアソシエーションと融合問題に明示的に対処する新しいイベントデータアソシエーション(EDA)手法を提案する。 提案するEDAは、統合データアソシエーションと情報融合を行うために、イベントデータに最も適したイベントトラジェクトリを求める。 実験結果から,高速,運動のぼやけ,高ダイナミックレンジ条件といった難易度シナリオ下でのEDAの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-25T13:56:00Z)
• Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
  本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。 我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
  論文  参考訳（メタデータ） (2021-10-19T17:41:43Z)
• Causal Feature Selection for Algorithmic Fairness [61.767399505764736]
  データ管理の統合コンポーネントにおける公平性について検討する。 本稿では,データセットの公平性を保証する特徴のサブコレクションを同定する手法を提案する。
  論文  参考訳（メタデータ） (2020-06-10T20:20:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。